notebooklm

name	notebooklm
description	向 NotebookLM 笔记本提问，基于已上传的资料给出 Gemini 的回答，结果在浏览器中渲染（含公式）；归档时智能合并到现有相关笔记。用法：/notebooklm <问题>

notebooklm

安装、配置见仓库 README。本文件是 Claude Code 加载 skill 时读的运行手册。

用法

• /notebooklm <问题> — 用默认笔记本回答
• /notebooklm list — 列出所有笔记本

执行

下方命令里的 <PY> 指你装好 notebooklm-py 的 Python 解释器（venv 里的 bin/python3）。 装好后在本文件里把 <PY> 直接替换成绝对路径，或者把 Python 加到 PATH 上。

list：

<PY> -c "
import asyncio, os
from pathlib import Path
from notebooklm import NotebookLMClient
from notebooklm.auth import AuthTokens
storage = Path(os.environ.get('NOTEBOOKLM_STORAGE',
    str(Path.home()/'.notebooklm/profiles/default/storage_state.json')))
async def main():
    auth = await AuthTokens.from_storage(storage)
    async with NotebookLMClient(auth) as c:
        for nb in await c.notebooks.list(): print(nb.id, nb.title)
asyncio.run(main())"

提问： 默认笔记本 ID 从 default_notebook 文件读取（首行）。

<PY> <SKILL_DIR>/query.py "<notebook_id>" "<question>"

归档决策（两段式）

query.py 的输出有两种情况：

情况 A — 自动归档完成

输出包含 已归档到：<路径>：归档目录之前是空的，脚本已直接新建。无需后续动作。

情况 B — STAGING 块

输出包含 ==NOTEBOOKLM_STAGING_BEGIN== ... ==NOTEBOOKLM_STAGING_END==，里面是 JSON：

{
  "notebook_id": "...",
  "notebook_title": "...",
  "target_dir": "/path/to/.../notebooklm",
  "question": "本次提问",
  "answer_path": "/tmp/nblm_answer_xxxx.md",
  "existing_files": ["a.md", "b.md", ...],
  "new_command": "python3 .../archive.py new ..."
}

收到 STAGING 后按以下流程处理：

1. 轻量筛选：用 head -n 12 批量看 existing_files 的 frontmatter（取每个文件的 question: 字段），判断哪些与本次 question 主题相关。
   • 示例：for f in target_dir/*.md; do echo "=== $f ==="; head -n 12 "$f"; done
2. 决策分支：
   • 全部不相关 → 跑 new_command 新建归档。
   • 有相关候选（通常 1–2 个）→ Read 候选全文 + Read answer_path，进入合并改写。

合并改写原则

目标：把新答的信息融合进旧文档，让旧文档"长大"，而不是堆砌新段落。

• 保留原文结构（小节标题、frontmatter、Obsidian 块引用），不要推倒重来
• 新信息按主题嵌入对应小节；旧文档没有的小节再新增
• 重叠内容择优：保留更详细、更准确、推导更完整的版本
• frontmatter 更新：
  • 在原 question 字段附近加 updated: YYYY-MM-DD HH:MM
  • 追加本次 question 到 questions: [...] 列表（如无则新建）
• 不要丢失提问历史：在文档底部维护 ## 提问历史 小节，按时间倒序追加 - YYYY-MM-DD HH:MM — <question>
• 改完后告知用户合并到了哪个文件

临时文件

answer_path 是 /tmp/ 下的临时 md，系统会自动清理；不需要手动删除。

注意

• 认证过期会自动刷新（从 Chrome cookies 读取，需要 NOTEBOOKLM_CLI 指向 notebooklm-py 的 CLI 入口）
• 结果自动在浏览器中打开，含 MathJax 公式渲染
• 手动刷新登录：notebooklm login --browser-cookies chrome
• 国内网络环境如果 NotebookLM 直连不通，需要确保系统代理已生效（TUN/全局），或在执行命令前 export HTTPS_PROXY=...